Vectores y Valores Propios

En lgebra lineal, los vectores propios, autovectores o eigenvectores de un operador

lineal son los vectores no nulos o diferentes de 0 que, cuando son transformados
por el operador, dan lugar a un mltiplo escalar de s mismos, con lo que no
cambian su direccin. Este escalar recibe el nombre valor propio, autovalor, valor
caracterstico o eigenvalor. A menudo, una transformacin queda completamente
determinada por sus vectores propios y valores propios. Un espacio propio,
autoespacio o eigenespacio es el conjunto de vectores propios con un valor propio
comn.
Polinomio Caracterstico
En lgebra lineal, se asocia un polinomio a cada matriz cuadrada llamado polinomio
caracterstico. Dicho polinomio contiene una gran cantidad de informacin sobre la
matriz, los ms significativos son los valores propios, su determinante y su traza.
Sea K un cuerpo (podemos imaginar K como el cuerpo de los reales o de los
complejos) y una matriz cuadrada A n-dimensional sobre K. El polinomio
caracterstico de A, denotado por pA (t), es el polinomio definido por

donde I denota la matriz identidad n-por-n. Algunos autores definen el polinomio

caracterstico como det (t I-A); la diferencia es inmaterial puesto que los dos
polinomios nicamente se diferencian por su signo.
Calculo del Vector Propio correspondiente a un Valor Propio
Matemticamente, v es un vector propio y el valor propio correspondiente de una
transformacin T si verifica la ecuacin:

donde T (v) es el vector obtenido al aplicar la transformacin T a v.

Supngase que T es una transformacin lineal (lo que significa que para todos los
escalares a, b, y los vectores v, w). Considrese una base en ese espacio vectorial.
Entonces, T y v pueden representarse en relacin a esa base mediante una matriz
AT y un vector columna vun vector vertical unidimensional. La ecuacin de valor
propio en esta representacin matricial se representa de la siguiente forma:

donde la yuxtaposicin es un producto de matrices. Dado que en esta circunstancia

la transformacin T y su representacin matricial AT son equivalentes, a menudo
podemos emplear slo T para la representacin matricial y la transformacin. Esto
es equivalente a un conjunto de n combinaciones lineales, donde n es el nmero de
vectores de la base. En esta ecuacin, tanto el autovalor y las n componentes de
v son desconocidos. Sin embargo, a veces es poco natural o incluso imposible
escribir la ecuacin de autovector en forma matricial.
Esto ocurre, por ejemplo, cuando el espacio vectorial es de dimensin infinita, como
por ejemplo en el caso de la cuerda mostrada anteriormente. Dependiendo de la
naturaleza de la transformacin T y el espacio al que se aplica, puede ser ventajoso
representar la ecuacin de autovalor como un conjunto de ecuaciones diferenciales,
donde los autovectores reciben a menudo el nombre de autofunciones del operador
diferencial que representa a T. Por ejemplo, la derivacin misma es una
transformacin lineal, ya que (si f (t) y g (t) son funciones derivables y a y b son
constantes)
Considrese la diferenciacin con respecto a t. Sus autofunciones h(t) obedecen a la
ecuacin de autovalor:

donde es el autovalor asociado con la funcin. Una funcin en el tiempo es

constante si = 0, crece proporcionalmente a s misma si es negativa. Por
ejemplo, una poblacin ideal de conejos engendra con ms frecuencia a medida que
hay ms conejos, y por tanto satisface la ecuacin para lambda positivo.
La solucin a la ecuacin de valor propio es g(t) = exp(t), la funcin exponencial;
pues esa funcin es una funcin propia del operador diferencial d/dt con el valor
propio . Si es negativa, la evolucin de g se denomina decaimiento exponencial;
si es positiva se denomina crecimiento exponencial. El valor de puede ser
cualquier nmero complejo. El espectro de d/dt es entonces el plano complejo en su
totalidad. En este ejemplo el espacio vectorial en el que acta d/dt es el espacio de
las funciones derivables de una variable.
Este espacio tiene una dimensin infinita (pues no es posible expresar cada funcin
diferenciable como combinacin lineal de un nmero finito de funciones base). No
obstante, el espacio propio asociado a un valor propio determinado es
unidimensional. Es el conjunto de todas las funciones g(t) = Aexp(t), donde A es
una constante arbitraria, la poblacin inicial en t=0.

Diagonalizacin. Matrices simtricas y ortogonales.

Matriz diagonalizable: Una matriz n x n es diagonolazible si existe una matriz
diagonal D tal que A es semejante a D.
Observacin: Si D es una matriz diagonal, entonces los valores propios son sus
componentes en la diagonal. Si A es semejante a D, entonces Ay D tiene los mismos
valores propios. Uniendo estos dos hechos se observa que si A es diagonalizable,
entonces A es semejante a una matriz diagonal cuyas componentes en la diagonal
son los valores propios de A.
El siguiente teorema establece cuando una matriz es diagonalizable.
Matriz Simtrica y ortogonal : Una matriz de elementos:

es simtrica, si es una matriz cuadrada (m = n) y Aij = Aij para todo i distinto

de j con i, j =1,2,3,4,...,n. Ntese que la simetra es respecto a la diagonal
principal y que A es tambin, la matriz traspuesta de s misma: At = A.
Ejemplo para n = 3:
Una matriz diremos que es ortogonal si su transpuesta coincide con su inversa.
Aplicacin en Ingeniera

En diversos campos de la ingeniera y las matemticas surge el problema de

calcular los valores escalares l y los vectores x0 tales que para la matriz cuadrada
A se cumple
Ax = lx (1)
Algunos de estos campos de aplicacin son:

Ecuaciones diferenciales
Estabilidad de sistemas lineales
Sistemas elctricos (componentes simtricas)
Polos y ceros de funciones transferencia
Diagonalizacin de matrices

Ejercicio:

Sea la matriz A =

3 1 1
2 2 1
2 2 0

Hallar los vectores y valores normales.

Solucin:
Usando la Formula

-t

3t
1
2
2t
2
2

1
1
0t

3 1 1
2 2 1
2 2 0

( )
1 0 0
0 1 0
0 0 1

) ( )

3 1 1
2 2 1
2 2 0

t 0 0
0 t 0
0 0 t

Ahora se procede a sacar el determinante.

Det

3t
1
1
2
2t 1
2
2
0t

[ |

|] [ ( )| |] [ ( )|

(3t ) 2t 1
2
t

[ ( 3t ) {( 2t ) (t ) +2}] [(2 t ) +2 ][ 42 ( 2t ) ]

t +5 t 8 t+ 4

1 2 1 + 1 2 2t
2 t
2
2

|]

Factorizando esta expresin se tiene que:

t 3 +5 t 2 8 t+ 4

(t+1 ) ( t2 )2

y despejando tenemos que

t=1
{t=2
}

estos son los eigenvalores o valores propios. De aqu partimos para hallar los
vectores propios.

Reemplazando

(t +1 )

en la matriz tenemos:

(t+1 )

3t
1
1
2
2t 1
2
2
0t

,como sabemos que aqu t =1 entonces la matriz

resultante queda as:

2 1 1
2 1 1
2 2 1

y a esta matriz sele busca despejar V1, V2 y V3.

) (

2 1 1 f 1
1 1/2 1/2
1 1/ 2 1 /2
1 1/2 1/2
=f
1
2
f
1f
2=f
2
2
f
1f
3=f
3
2 1 1
2 1
1
0 0
0
0 0
0 Camb
2

2 2 1
2 2
1
2 2
1
0 1
0

Aca V3 puede tomar cualquier valor, por tanto, V3 = Z

Y a V2 como no es afectado por ningn valor, entonces V2 = S
Despejando V1 tenemos V1=

1
1
2 S+ 2 Z

Entonces los vectores propios de t = 1 son:

[ ][]

1
V1
P (t )= V 2 Z 2 + S
0
V3
1

[]
1
2
1
0

Ahora se sustituye con el segundo valor de t, y se repite el mismo proceso.

Reemplazando

(t+1 )

( t2 )

3t
1
1
2 2t 1
2
2 0t

en la matriz tenemos:

,como sabemos que aqu t =2 entonces la matriz

resultante queda as:

1 1 1
2 0 1
2 2 2

y a esta matriz sele busca despejar V1, V2 y V3.

( )

1 1 1
1 1 1
1 1 1
1 1 1 f 2
=f 2 0 1 1
2 0 1 2 f 1f 2=f 2 0 2 1 2 f 1f 3=f 3 0 2 1
2

2
2 2 2
2 2 2
0 0 0

0 0 0

Aca V3 puede tomar cualquier valor, por tanto, V3 = Z

Despejando V2 se tiene: V2 =

1
2 Z

Despejando V1 tenemos V1= -V2 +V3 =

1
2

Entonces los vectores propios de t = 2 son:

[]

1
V1
2
P (t )= V 2 Z 1
V3
2
1

[]

Z+Z=

1
2